云计算是近年来最为流行的商业计算服务模式,可以为用户提供像使用水电一样便利的计算服务。云计算的数据中心由规模庞大的廉价服务器组成,通过虚拟化技术实现资源共享,将一个物理机虚拟化出多台虚拟机,从而提高服务器的利用效率。面对海量的用户增长和数据增长,云计算数据中心的规模也越来越大,如何在满足用户QoS需求的同时有效协调云计算资源,实现各项资源的合理配置,显得尤为重要。本文重点剖析了基于粒子群算法的云计算资源调度算法,在粒子群算法的基础上,引入禁忌搜索思想,将改进的粒子群算法应用于云计算的资源调度问题中。作为一种仿生算法,粒子群算法来自于对自然界中鸟群捕食行为的模仿,在寻优过程中可以很好地共享种群的信息,因此搜索效率很高,而且粒子群算法的参数较少,相对其他启发式算法实现起来要容易一些。粒子群算法最初被设计用来解决连续问题,之后由于其出色的性能,被众多科学家扩展应用到了离散问题求解领域,尤其在解决NP问题领域大放异彩。在云计算环境下的大规模集群的资源调度问题中,粒子群算法有很好的性能。然而,粒子群算法不是万能的,粒子群算法在搜索最优解时,可能会出现“早熟”现象。“早熟”现象是指算法过早地陷入到一个局部极值解,不能跳出,从而最终得到的不是全局最优解。禁忌搜索算法模拟了人类智力发展的过程,封锁最近的搜索区域,引导搜索离开局部极值解。本文在标准粒子群算法的基础上加以改进,在初始化时引入评判环节,使初始种群尽量均匀分布在解空间内;引入了“早熟”问题的判断和处理方案,在判定搜索陷入“早熟”后,使用了 ARPSO算法的Repulsion操作来使种群跳出局部极值解;引入禁忌搜索的思想,封锁最近几次搜寻的最优解,逐步引导种群跳出局部极值解,解决“早熟”问题。本文将改进的粒子群算法应用于云计算的资源调度中,通过Cloudsim仿真平台,对其性能进行测试分析,并与标准粒子群算法比较优劣情况,实验证明调度效率比标准粒子群算法有所提高。